Rancang Bangun Aplikasi Sentimen Pendapat Masyarakat Indonesia Terhadap Vaksin Covid-19 dengan Menggunakan Algoritma Long Short-Term Memory Berbasis Web

AMANDA AMALIA

Informasi Umum

Kode

ITTS.0323000031

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Rpl, Ta

Dilihat

264 kali

Informasi Lainnya

Abstraksi

Pengguna aktif media sosial Twitter di Indonesia dinilai sebagai salah satu negara dengan pertumbuhan pengguna aktif harian media sosial Twitter paling banyak berdasarkan laporan finansial Twitter tahun 2019 yang digunakan untuk berkomunikasi berbagai informasi dengan pengguna lain. Twitter digunakan sebagai sumber informasi yang berhubungan dengan kesehatan, mengingat banyaknya informasi, berita, dan juga opini yang disebarluaskan oleh warga negara dan juga sumber resmi. Dalam makalah ini, kami menggunakan analisis sentimen untuk mengeksplorasi sejumlah besar tweet di Indonesia. kami menggunakan 4.000 tweet dalam bahasa Indonesia. Tujuan dari penelitian ini yaitu untuk melihat kecenderungan pendapat atau opini seseorang terhadap sebuah topik dengan menerapkan metode word embedding dan algoritma Long Short-Term Memory (LSTM) untuk analisis terhadap sentimen mengenai vaksin COVID-19 yang berasal dari media sosial Twitter. Percobaan menggunakan LSTM-Word Embedding menghasilkan akurasi sebesar 74,46% dengan hasil akhir yang diperoleh yaitu sebanyak 425 data bersentimen positif dan 507 data bersentimen negatif. Hal ini penting dilakukan untuk memahami reaksi publik, penyebaran informasi pada media sosial, dan membuat strategi yang tepat yang selanjutnya harus dilakukan oleh pemerintah Indonesia. Kata Kunci: Analisis Sentimen, vaksin COVID-19, Twitter, Long Short-Term Memory (LSTM)